|
【金融デジタライゼーション対応実務】人工知能（AI）によるローン審査の現状と将来 ～モデル高度化への対応の勘所と留意点～ |
| 受講区分 | 会場 |
|---|---|
| 開催日時 | 2018-12-13（木） 13:30～16:30 |
| 講師 |
日本リスク・データ・バンク株式会社 取締役常務執行役員 尾藤 剛 氏 1997年東京大学法学部卒、あさひ銀行を経て、2003年日本リスク・データ・バンク入社、06年より現職 金融機関のリスク管理に関するデータベースの企画・運営、スコアリングモデルの開発、国内企業におけるデフォルト発生動向の調査等に従事 公益社団法人日本証券アナリスト協会検定会員 著書に「プライムレート革命」（きんざい、08年、共著）、「ゼロからはじめる信用リスク管理」（同、11年）、「よい自治体とは何か?」（同、15年） |
| 開催地 | カンファレンスルーム（株式会社セミナーインフォ内） |
| 概要 | 昨今注目を集める「機械学習革命」で生まれた新たな分析手法には、統計的手法が主流の従来のクレジット・スコアリング・モデルを一変させる期待がある反面、既存の手法との違い、新たな手法のメリット・デメリットはいまだ十分に議論されていないというのが、多くの金融機関の現状ではないでしょうか？ 本セミナーでは、金融機関が審査や格付の実務で使用するクレジット・スコアリング・モデルの内容を基礎から理解することを目的として、前半では、既存の統計的手法によるスコアリングモデルの具体的な構築手順と、モデルのパフォーマンス向上のためのポイントを説明します。また後半では、新たな機械学習手法によるモデル構築結果と、既存のモデルとのパフォーマンス比較を通じて、ローン審査モデルの性能改善のポイントが「新しい手法」ではなく、「新しいデータ」にあることを明らかにします。そして最後に、既に始まっている「新しいデータ」によるスコアリングモデル構築の現状と今後の展望について説明いたします。 統計解析の初学者にもスコアリングモデルの概要が理解できるよう、なるべく数式を使わず平易な説明を心がけます。 |
| 詳細 |
1．はじめに （１）人工知能（AI）、機械学習の概念整理 ～何をもって機械学習とするのか？人工知能（AI）、機械学習などの言葉の整理 （２）審査評点から統計モデルへ ～ローン審査に統計モデルが使われる背景審査評点からスコアリングモデルに至る過程 ２．統計的手法によるモデル構築の実践 （１）ロジスティック回帰モデルとは？ ～現在のローン審査モデルの主流「ロジスティック回帰モデル」の概要 （２）統計モデルの構築手順 ～データ収集から説明変数の選択、係数推計の詳細 （３）モデルの評価手法 ～尤度とAR（AccuracyRatio） （４）アウトサンプルデータでの性能確認 ～オーバーフィッティングを回避するための具体的手法 ３．スコアリングモデルの高度化のポイントと留意点 （１）新たな機械学習手法の概要 ～ニューラルネットワーク、ディープラーニング、ランダムフォレストなど （２）新たな機械学習手法によるモデルの性能比較 ～ロジスティック回帰モデルとの性能比較 （３）情報の鮮度とモデルの性能～預金情報を例に～ （４）非構造化データの活用のポイントと留意点 ４．質疑応答 ※ 録音、ビデオ・写真撮影、PCの使用等はご遠慮ください |
| お問合わせ |
株式会社セミナーインフォ セミナー運営事務局 TEL ： 03-3239-6544 FAX ： 03-3239-6545 E-mail ： customer@seminar-info.jp |